有没有一种方法可以熔化数据框，以便根据数据类型单独创建值列？(使用python)

Question

我有一个有数百列的数据帧，要表示成我应用熔化所需的格式，这是不令人满意的。melt函数创建一个值列，并将该列的所有值附加给"value_vars“参数，而与数据类型无关。我正在尝试是否可以根据数据类型获得单独的值列。

我拥有的数据帧：

时间* value2 *

2018年2/4月2:00-11:00，U.K         A、、3、3、3、7、7、3、3、3、8、7、7、7、7、7、8、8、6、8、8、6、5、6、6、5、6、6、6、6、8、8、8、8、8、8、8、8、8、6、8、8、6、8、6、6、6、6、6、6、8、6、6、6、6、6、8、6、6、11、11、11、11、11、11、11、11、11、11、11、11、11、6、6、6、6、6、6、6、6、6、6、6、6、6、6、6、6、6

2018年3/4财年3月4日，U.K         C*6*

2018年4/4月4日，美国银行U.K         B*1*1

2018年5月4日-5/4-11:00-11:00-11:00-6:00-4:00-4:00-4:00-4:00-6:00-4:00-4:00-6:00-6:00-4:00-6:00-6:00-6:00-6:00-6:00-6:00-4:00-4:00-4:00-6:00-4:00-4:00-4:00-4:00-4:00-4:00-4:00-4:00-4:00-4:00-4:00-4:00-4:00-4:00-4:00-4:00-4:00-3:00-4:00-4:00-3:00-4:00-4:00-4:00

预期输出：

时间、地点、地点、参数、来源、方法、价值

2/4/18年2月4日，日本: U.K         温度*3

3/4/18年3月4日，日本: U.K         温度*

4/4/18月4日:日本金融市场: U.K         温度：*6

5/4/18年5月4日，三星电子U.K         温度*8*

2/4/18年2:00:30:00:30:00:30:00:00:00:00:00:00:00:00:00:00:00:00:00:00:00:00:00:00:00:00:00:00:00:00:00:00:00:00:00:00:00:00:00:00:00:00:30:00:30:00:30:00:30:00:30:00:30:00:30:00:30:00:30:00:30:00:30:00:30:00:30:00:30:00-2:00:30:00-1:00-1:00-2:00-2:00-2:00-2:1-2:1-2:1-2:1-2:1-2:1-

3/4/18年3月4日，日本金融市场对U.K         的压力很大，日本金融市场的压力很大。

4/4/18* U.K         压力*

5/4/18* U.K         压力*

提前谢谢。

Answer 1

将DataFrame.select_dtypes用于get columns types、reshape by stack和join by concat

df = df.reset_index(drop=True)

df1 = df.set_index(['time','place'], append=True)
a = df1.select_dtypes(object).stack().rename('source').reset_index(level=3)
b = df1.select_dtypes(np.number).stack().rename('value').reset_index(level=3, drop=True)
df2 = (pd.concat([a, b], axis=1)
         .reset_index(level=[1,2])
         .rename(columns={'level_3':'parameter'})
         .sort_values(['place','parameter'])
         .reset_index(drop=True)
         )

print (df2)
       time place    parameter source  value
0  2/4/2018   U.K     Pressure      C      2
1  3/4/2018   U.K     Pressure      D      6
2  4/4/2018   U.K     Pressure      A      1
3  5/4/2018   U.K     Pressure      A      4
4  2/4/2018   U.K  Temperature      A      3
5  3/4/2018   U.K  Temperature      C      4
6  4/4/2018   U.K  Temperature      B      6
7  5/4/2018   U.K  Temperature      D      8

select pair和unpair列在前2个cols之后的另一个解决方案：

df = df.reset_index(drop=True)

df1 = df.set_index(['time','place'], append=True)
a = df1.iloc[:, ::2].stack().rename('source').reset_index(level=3)
b = df1.iloc[:, 1::2].stack().rename('value').reset_index(level=3, drop=True)

df2 = (pd.concat([a, b], axis=1)
         .reset_index(level=[1,2])
         .rename(columns={'level_3':'parameter'})
         .sort_values(['place','parameter'])
         .reset_index(drop=True)
         )

print (df2)
       time place    parameter source  value
0  2/4/2018   U.K     Pressure      C      2
1  3/4/2018   U.K     Pressure      D      6
2  4/4/2018   U.K     Pressure      A      1
3  5/4/2018   U.K     Pressure      A      4
4  2/4/2018   U.K  Temperature      A      3
5  3/4/2018   U.K  Temperature      C      4
6  4/4/2018   U.K  Temperature      B      6
7  5/4/2018   U.K  Temperature      D      8